CN107256636A - 一种融合激光扫描与视频技术的交通流获取方法 - Google Patents
一种融合激光扫描与视频技术的交通流获取方法 Download PDFInfo
- Publication number
- CN107256636A CN107256636A CN201710514231.8A CN201710514231A CN107256636A CN 107256636 A CN107256636 A CN 107256636A CN 201710514231 A CN201710514231 A CN 201710514231A CN 107256636 A CN107256636 A CN 107256636A
- Authority
- CN
- China
- Prior art keywords
- data
- vehicle
- video
- laser
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012545 processing Methods 0.000 claims abstract description 19
- 230000004927 fusion Effects 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 5
- 238000012546 transfer Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000002156 mixing Methods 0.000 abstract description 4
- 239000000284 extract Substances 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 8
- 239000000203 mixture Substances 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 238000005056 compaction Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/04—Detecting movement of traffic to be counted or controlled using optical or ultrasonic detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
- G08G1/0175—Detecting movement of traffic to be counted or controlled identifying vehicles by photographing vehicles, e.g. when violating traffic rules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
Abstract
本发明属于交通流领域,具体涉及一种融合激光雷达与视频技术的交通流获取方法,包括步骤安放装置,车辆扫描,数据处理,车辆识别及融合分析。本发明分别通过视频和激光获取视频影像数据和激光点云数据并进行融合分析处理,获取到精准的交通流信息。进一步通过数据检验,提高了视频激光融合算法的效果。
Description
技术领域
本发明属于交通流领域,具体涉及一种融合激光雷达与视频技术的交通流获取方法。
背景技术
交通流是指汽车在道路上连续行驶形成的车流,由于城市的汽车保有量巨大,道路供给相对不足,拥堵日益严重,为了缓解拥堵,需要分析拥堵的成因,制定缓堵措施,这都需要测量精确的道路交通流数据,掌握道路上行驶的准确车辆类型、行驶速度及行驶路径等信息。
现有技术中,通过地感线圈、GPS定位、监控视频录像等可以获得交通流的部分信息,如车辆类型、车流量、以及车速等,但是传统的检测方法存在一定的不足,需要组合使用才能获取较为全面的信息。地感线圈存在的主要问题是只能测量车辆通过数量及车速,不能得到车型信息;在车辆上安装GPS定位装置可以得到车型、车速及行驶轨迹,但成本高,安装数量少;视频数据存在一定的局限性,其展示的是二维成像信息,受光照影响较大,车辆识别率较低,不能很好反映车辆在三维空间上的位置、行驶轨迹以及车辆之间的距离。使用激光扫描技术可以很好的弥补视频技术在车辆车型识别、车速测定、行驶轨迹跟踪上的不足,提高数据的准确率。
发明内容
本发明的目的是提供一种在一定程度上提升交通流识别准确率的方法。
所述交通流获取方法包括如下步骤:
S1,安放装置:在安装架上安装视频激光扫描系统,视频激光扫描系统的构成包含视频装置、激光装置、存储装置、传输及控制装置和电源;
S2,车辆扫描:视频激光扫描系统对车辆区域进行扫描,其中视频装置在扫描范围内对车辆进行扫描,扫描得到的视频影像数据存入存储装置;激光装置在扫描范围内对车辆进行扫描,扫描得到的激光点云数据存入存储装置;
S3,数据处理:传输及控制装置将激光点云数据和视频影像数据传输至外场设备,数据处理方式分为两种:
一种是在外场设备上安装计算机系统及识别处理系统,计算机系统及识别处理系统直接对获取的激光点云数据和视频影像数据进行处理,获取车辆型号、车速、轨迹信息;这种方式的优点是数据传输量较小,适合实时监测;缺点是外场设备成本高,稳定性较差。
一种是外场设备只负责数据采集及存储,数据复制到室内专业处理系统中进行识别处理,这种方式的优点是成本低,稳定性好,缺点是实时性差。
S4,车辆识别及融合分析:S4,车辆识别及融合分析:
S41,数据预处理,对数据中存在的噪声或干扰信息进行剔除;
S42,对从视频影像数据及激光点云数据中识别的车辆信息进行融合处理,得到更为准确的数据;
S43,车辆识别,包括车辆特征提取、分类器训练及分类识别;
S44,车辆轨迹跟踪,对已经识别车辆进行持续跟踪,获取其行驶轨迹。
详细处理过程描述如下:
1、数据预处理:剔除视频影像数据中曝光不足、曝光过度的数据,并对图像上的非关注车辆信息进行处理;对获取的激光点云数据进行点云数据解译、错误数据剔除、数据精简及三维可视化,得到后处理阶段的点云数据。
2、融合处理:视频影像提供了丰富的光谱信息、纹理特征等语义信息,但易受外界环境的影像;激光扫描能够直接获取目标的空间几何信息,但难以获取物体表面的纹理和结构,且点云数据的不连续性、不规则性和数据密度不均匀等特点,直接利用激光扫描数据提取车辆信息还较为困难,因此需要融合上述两种数据已进行车辆识别。在融合处理这些数据时,通过SFLA影像配准技术将不同传感器、不同视角采集的数据转换到统一的坐标系下,从像素上得到最佳的一一对应。
3、车辆识别:基于融合后的视频及点云数据进行识别,首先对激光点云数据进行过滤、分割、聚类,提取车辆样本,激光点云数据具有高度的离散性和抽象性,采用水平格网法将点云从三维数据投影为二维灰度影像,使用图像识别技术进行车辆相关特征提取,再进行车辆车型信息识别。依据视频中车辆的纹理、外形、大小、颜色等建立各类车辆视频特征模型库,并进行分类,在视频中依据车辆模型提取车辆车型信息。鉴于单独利用激光点云或视频数据进行车辆模型提取具有较多缺点,采用尺度不变特征转换SIFT算法提取图像,去除重复数据,得到最终的车辆信息。
4、得到车辆信息后,在激光点云、视频数据中对识别的车辆进行持续跟踪,得到车辆的形式速度及行驶轨迹信息。在车辆目标跟踪过程中,采用基于核的目标跟踪算法解决运动车辆出现的尺度变化、几何变化、遮挡等情况。
S5,数据检验:对深度分析后的车辆信息进行人工甄别,进一步通过数据检验,提高了视频激光融合算法的效果。
本发明分别通过视频和激光获取视频影像数据和激光点云数据并进行融合分析处理,获取到精准的交通流信息。进一步通过数据检验,提高了视频激光融合算法的效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一中安装视频激光扫描系统示意图。
图2是本发明实施例二中安装视频激光扫描系统示意图。
图3是本发明实施例中视频激光扫描系统得到的图像。
图4是本发明实施例对车辆轮廓图像处理过程中点云分类图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例一
S1,安放装置:
安装架5为带有横梁6的灯杆,如图1所示,在灯杆的横梁6处安装视频激光扫描系统1,视频激光扫描系统1的构成包含视频装置2、激光装置3、存储装置、传输及控制装置和电源,
安装高度:~4-10米(灯杆)
探测距离:50米:
S2,车辆扫描:视频激光扫描系统1对车辆区域进行扫描,其中视频装置2在扫描范围7内对车辆进行扫描,扫描得到的视频影像数据存入存储装置;激光装置在扫描范围8内对车辆进行扫描,扫描得到的激光点云数据存入存储装置,如图3所示;
S3,数据处理:传输及控制装置将激光点云数据和视频影像数据传输至外场设备,外场设备只负责数据采集及存储,数据复制到室内专业处理系统中进行识别处理,识别处理系统的构成包括数据预处理模块、信息融合模块、车辆识别模块和车辆识别模块,其中:
数据预处理模块:对数据中存在的噪声或干扰信息进行剔除;
信息融合模块:对从视频影像数据及激光点云数据中识别的车辆信息进行融合处理,得到更为准确的数据;
车辆识别模块:对车辆进行特征提取、分类器训练及分类识别;
车辆识别模块:对已经识别车辆进行持续跟踪,获取其行驶轨迹。
S4,车辆识别及融合分析:
S41,数据预处理,对数据中存在的噪声或干扰信息进行剔除;
S42,对从视频影像数据及激光点云数据中识别的车辆信息进行融合处理,得到更为准确的数据;
S43,车辆识别,包括车辆特征提取、分类器训练及分类识别;
S44,车辆轨迹跟踪,对已经识别车辆进行持续跟踪,获取其行驶轨迹。
处理过程描述如下:
数据预处理:剔除视频影像数据中曝光不足、曝光过度的数据,并对图像上的非关注车辆信息进行处理;对获取的激光点云数据进行点云数据解译、错误数据剔除、数据精简及三维可视化,得到后处理阶段的点云数据。
融合处理:视频影像提供了丰富的光谱信息、纹理特征等语义信息,但易受外界环境的影像;激光扫描能够直接获取目标的空间几何信息,但难以获取物体表面的纹理和结构,且点云数据的不连续性、不规则性和数据密度不均匀等特点,直接利用激光扫描数据提取车辆信息还较为困难,因此需要融合上述两种数据已进行车辆识别。在融合处理这些数据时,通过SFLA影像配准技术将不同传感器、不同视角采集的数据转换到统一的坐标系下,从像素上得到最佳的一一对应。
车辆识别:基于融合后的视频及点云数据进行识别,首先对激光点云数据进行过滤、分割、聚类,提取车辆样本,如图4所示,激光点云数据具有高度的离散性和抽象性,采用水平格网法将点云从三维数据投影为二维灰度影像,使用图像识别技术进行车辆相关特征提取,再进行车辆车型信息识别。依据视频中车辆的纹理、外形、大小、颜色等建立各类车辆视频特征模型库,并进行分类,在视频中依据车辆模型提取车辆车型信息。鉴于单独利用激光点云或视频数据进行车辆模型提取具有较多缺点,采用尺度不变特征转换SIFT算法提取图像,去除重复数据,得到最终的车辆信息。
得到车辆信息后,在激光点云、视频数据中对识别的车辆进行持续跟踪,得到车辆的形式速度及行驶轨迹信息。在车辆目标跟踪过程中,采用基于核的目标跟踪算法解决运动车辆出现的尺度变化、几何变化、遮挡等情况。
S5,数据检验:对深度分析后的车辆信息进行人工甄别。
实施例二
S1,安放装置:
安装架5为竖杆,如图2所示,在竖杆上安装视频激光扫描系统1,视频激光扫描系统1的构成包含视频装置2、激光装置3、存储装置、传输及控制装置和电源,
S2,车辆扫描:视频激光扫描系统1对车辆区域进行扫描,其中视频装置2在扫描范围7内对车辆进行扫描,扫描得到的视频影像数据存入存储装置;激光装置在扫描范围8内对车辆进行扫描,扫描得到的激光点云数据存入存储装置,如图3所示;
S3,数据处理:传输及控制装置将激光点云数据和视频影像数据传输至外场设备,外场设备上安装计算机系统及识别处理系统,计算机系统及识别处理系统直接对获取的激光点云数据和视频影像数据进行处理,获取车辆型号、车速、轨迹信息;具体如S4所述
S4,车辆识别及融合分析:
S41,数据预处理,对数据中存在的噪声或干扰信息进行剔除;
S42,对从视频影像数据及激光点云数据中识别的车辆信息进行融合处理,得到更为准确的数据;
S43,车辆识别,包括车辆特征提取、分类器训练及分类识别;
S44,车辆轨迹跟踪,对已经识别车辆进行持续跟踪,获取其行驶轨迹。
处理过程描述如下:
数据预处理:剔除视频影像数据中曝光不足、曝光过度的数据,并对图像上的非关注车辆信息进行处理;对获取的激光点云数据进行点云数据解译、错误数据剔除、数据精简及三维可视化,得到后处理阶段的点云数据。
融合处理:视频影像提供了丰富的光谱信息、纹理特征等语义信息,但易受外界环境的影像;激光扫描能够直接获取目标的空间几何信息,但难以获取物体表面的纹理和结构,且点云数据的不连续性、不规则性和数据密度不均匀等特点,直接利用激光扫描数据提取车辆信息还较为困难,因此需要融合上述两种数据已进行车辆识别。在融合处理这些数据时,通过SFLA影像配准技术将不同传感器、不同视角采集的数据转换到统一的坐标系下,从像素上得到最佳的一一对应。
车辆识别:基于融合后的视频及点云数据进行识别,首先对激光点云数据进行过滤、分割、聚类,提取车辆样本,激光点云数据具有高度的离散性和抽象性,采用水平格网法将点云从三维数据投影为二维灰度影像,使用图像识别技术进行车辆相关特征提取,再进行车辆车型信息识别。依据视频中车辆的纹理、外形、大小、颜色等建立各类车辆视频特征模型库,并进行分类,在视频中依据车辆模型提取车辆车型信息。鉴于单独利用激光点云或视频数据进行车辆模型提取具有较多缺点,采用尺度不变特征转换SIFT算法提取图像,去除重复数据,得到最终的车辆信息。
得到车辆信息后,在激光点云、视频数据中对识别的车辆进行持续跟踪,得到车辆的形式速度及行驶轨迹信息。在车辆目标跟踪过程中,采用基于核的目标跟踪算法解决运动车辆出现的尺度变化、几何变化、遮挡等情况。
S5,数据检验:对深度分析后的车辆信息进行人工甄别。
安装架5也可以为一支架,在支架上安装视频激光扫描系统1对车辆区域进行扫描。也就是说安装视频激光扫描系统1的安装架没有特定种类。
本发明分别通过视频和激光获取视频影像数据和激光点云数据并进行融合分析处理,获取到精准的交通流信息。进一步通过数据检验,提高了视频激光融合算法的效果。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (2)
1.一种融合激光雷达与视频技术的交通流获取方法,其特征在于,所述交通流获取方法包括如下步骤:
S1,安放装置:在安装架(5)上安装视频激光扫描系统(1),视频激光扫描系统(1)的构成包含视频装置(2)、激光装置(3)、存储装置、传输及控制装置和电源;
S2,车辆扫描:视频激光扫描系统(1)对车辆区域进行扫描,其中视频装置(2)在扫描范围(7)内对车辆进行扫描,扫描得到的视频影像数据存入存储装置;激光装置在扫描范围(8)内对车辆进行扫描,扫描得到的激光点云数据存入存储装置;
S3,数据处理:传输及控制装置将激光点云数据和视频影像数据传输至外场设备,数据处理方式分为两种:
一种是在外场设备上安装计算机系统及识别处理系统,计算机系统及识别处理系统直接对获取的激光点云数据和视频影像数据进行处理,获取车辆型号、车速、轨迹信息;
一种是外场设备只负责数据采集及存储,数据复制到室内专业处理系统中进行识别处理;
S4,车辆识别及融合分析:
S41,数据预处理,对数据中存在的噪声或干扰信息进行剔除;
S42,对从视频影像数据及激光点云数据中识别的车辆信息进行融合处理,得到更为准确的数据;
S43,车辆识别,包括车辆特征提取、分类器训练及分类识别;
S44,车辆轨迹跟踪,对已经识别车辆进行持续跟踪,获取其行驶轨迹。
2.根据权利要求1所述一种融合激光雷达与视频技术的交通流获取方法,其特征在于,所述交通流获取方法还包括步骤S5,数据检验:
对深度分析后的车辆信息进行人工甄别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710514231.8A CN107256636A (zh) | 2017-06-29 | 2017-06-29 | 一种融合激光扫描与视频技术的交通流获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710514231.8A CN107256636A (zh) | 2017-06-29 | 2017-06-29 | 一种融合激光扫描与视频技术的交通流获取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107256636A true CN107256636A (zh) | 2017-10-17 |
Family
ID=60023777
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710514231.8A Pending CN107256636A (zh) | 2017-06-29 | 2017-06-29 | 一种融合激光扫描与视频技术的交通流获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107256636A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107978151A (zh) * | 2017-11-22 | 2018-05-01 | 武汉万集信息技术有限公司 | 一种车辆检测方法和系统 |
CN108182807A (zh) * | 2017-12-27 | 2018-06-19 | 天津智芯视界科技有限公司 | 一种车辆识别器的生成方法 |
CN108615365A (zh) * | 2018-05-09 | 2018-10-02 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN108802758A (zh) * | 2018-05-30 | 2018-11-13 | 北京应互科技有限公司 | 一种基于激光雷达的智能安防监控装置、方法和系统 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN110738846A (zh) * | 2019-09-27 | 2020-01-31 | 同济大学 | 基于雷达与视频组群的车辆行为监测系统及其实现方法 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN112712023A (zh) * | 2020-12-30 | 2021-04-27 | 武汉万集信息技术有限公司 | 车型识别方法、系统及电子设备 |
CN113420805A (zh) * | 2021-06-21 | 2021-09-21 | 车路通科技(成都)有限公司 | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 |
CN113420687A (zh) * | 2021-06-29 | 2021-09-21 | 三一专用汽车有限责任公司 | 可行驶区域的获取方法、装置和车辆 |
CN113569782A (zh) * | 2021-08-04 | 2021-10-29 | 沭阳协润电子有限公司 | 基于人工智能与激光雷达的自由流速度估计方法及系统 |
CN113869196A (zh) * | 2021-09-27 | 2021-12-31 | 中远海运科技股份有限公司 | 一种基于激光点云数据多特征分析的车型分类方法及装置 |
CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
CN115331458A (zh) * | 2021-05-11 | 2022-11-11 | 北京万集科技股份有限公司 | 信号灯的控制方法、装置、设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404120A (zh) * | 2008-10-28 | 2009-04-08 | 北京世纪高通科技有限公司 | 判断浮动车行驶状态的方法及装置 |
CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
US20140104594A1 (en) * | 2009-07-28 | 2014-04-17 | Applied Concepts, Inc. | Lidar Measurement Device with Target Tracking and Method for Use of Same |
CN104183134A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于智能分车型的高速公路短时交通流量预测方法 |
CN105931234A (zh) * | 2016-04-19 | 2016-09-07 | 东北林业大学 | 一种地面三维激光扫描点云与影像融合及配准的方法 |
CN205862589U (zh) * | 2016-08-01 | 2017-01-04 | 徐州工程学院 | 一种车型自动识别系统 |
-
2017
- 2017-06-29 CN CN201710514231.8A patent/CN107256636A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101404120A (zh) * | 2008-10-28 | 2009-04-08 | 北京世纪高通科技有限公司 | 判断浮动车行驶状态的方法及装置 |
US20140104594A1 (en) * | 2009-07-28 | 2014-04-17 | Applied Concepts, Inc. | Lidar Measurement Device with Target Tracking and Method for Use of Same |
CN102855759A (zh) * | 2012-07-05 | 2013-01-02 | 中国科学院遥感应用研究所 | 高分辨率卫星遥感交通流信息自动采集方法 |
CN104183134A (zh) * | 2014-08-27 | 2014-12-03 | 重庆大学 | 基于智能分车型的高速公路短时交通流量预测方法 |
CN105931234A (zh) * | 2016-04-19 | 2016-09-07 | 东北林业大学 | 一种地面三维激光扫描点云与影像融合及配准的方法 |
CN205862589U (zh) * | 2016-08-01 | 2017-01-04 | 徐州工程学院 | 一种车型自动识别系统 |
Non-Patent Citations (1)
Title |
---|
刘伟铭 等: "一种激光点云数据与视频图像相融合的收费数据校核系统" * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107978151A (zh) * | 2017-11-22 | 2018-05-01 | 武汉万集信息技术有限公司 | 一种车辆检测方法和系统 |
CN107978151B (zh) * | 2017-11-22 | 2019-12-10 | 武汉万集信息技术有限公司 | 一种车辆检测方法和系统 |
CN108182807A (zh) * | 2017-12-27 | 2018-06-19 | 天津智芯视界科技有限公司 | 一种车辆识别器的生成方法 |
CN108615365B (zh) * | 2018-05-09 | 2021-04-13 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN108615365A (zh) * | 2018-05-09 | 2018-10-02 | 扬州大学 | 一种基于车辆检测和跟踪的车流量统计方法 |
CN108802758A (zh) * | 2018-05-30 | 2018-11-13 | 北京应互科技有限公司 | 一种基于激光雷达的智能安防监控装置、方法和系统 |
CN109785632B (zh) * | 2019-03-14 | 2021-05-04 | 浪潮集团有限公司 | 一种交通流量统计方法及装置 |
CN109785632A (zh) * | 2019-03-14 | 2019-05-21 | 济南浪潮高新科技投资发展有限公司 | 一种交通流量统计方法及装置 |
CN110738846B (zh) * | 2019-09-27 | 2022-06-17 | 同济大学 | 基于雷达与视频组群的车辆行为监测系统及其实现方法 |
CN110738846A (zh) * | 2019-09-27 | 2020-01-31 | 同济大学 | 基于雷达与视频组群的车辆行为监测系统及其实现方法 |
CN112597830A (zh) * | 2020-12-11 | 2021-04-02 | 国汽(北京)智能网联汽车研究院有限公司 | 一种车辆追踪的方法、装置、设备及计算机存储介质 |
CN112712023A (zh) * | 2020-12-30 | 2021-04-27 | 武汉万集信息技术有限公司 | 车型识别方法、系统及电子设备 |
CN112712023B (zh) * | 2020-12-30 | 2024-04-05 | 武汉万集光电技术有限公司 | 车型识别方法、系统及电子设备 |
CN115331458A (zh) * | 2021-05-11 | 2022-11-11 | 北京万集科技股份有限公司 | 信号灯的控制方法、装置、设备和存储介质 |
CN113420805A (zh) * | 2021-06-21 | 2021-09-21 | 车路通科技(成都)有限公司 | 视频和雷达的动态轨迹图像融合方法、装置、设备及介质 |
CN113420687A (zh) * | 2021-06-29 | 2021-09-21 | 三一专用汽车有限责任公司 | 可行驶区域的获取方法、装置和车辆 |
CN113569782A (zh) * | 2021-08-04 | 2021-10-29 | 沭阳协润电子有限公司 | 基于人工智能与激光雷达的自由流速度估计方法及系统 |
CN113569782B (zh) * | 2021-08-04 | 2022-06-14 | 沭阳协润电子有限公司 | 基于人工智能与激光雷达的自由流速度估计方法及系统 |
CN113869196B (zh) * | 2021-09-27 | 2022-04-19 | 中远海运科技股份有限公司 | 一种基于激光点云数据多特征分析的车型分类方法及装置 |
CN113869196A (zh) * | 2021-09-27 | 2021-12-31 | 中远海运科技股份有限公司 | 一种基于激光点云数据多特征分析的车型分类方法及装置 |
CN114118238A (zh) * | 2021-11-11 | 2022-03-01 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
CN114118238B (zh) * | 2021-11-11 | 2024-03-22 | 中远海运科技股份有限公司 | 基于激光与视频技术时间序列及特征融合的车型分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107256636A (zh) | 一种融合激光扫描与视频技术的交通流获取方法 | |
CN111855664B (zh) | 一种可调节隧道病害三维检测系统 | |
Dhiman et al. | Pothole detection using computer vision and learning | |
CN107738612B (zh) | 基于全景视觉辅助系统的自动泊车停车位检测与识别系统 | |
CN105488454B (zh) | 基于单目视觉的前方车辆检测与测距 | |
CN104392224B (zh) | 一种公路路面裂纹检测方法 | |
CN103854320B (zh) | 基于激光雷达的车型自动识别方法 | |
CN105373135B (zh) | 一种基于机器视觉的飞机入坞引导和机型识别的方法及系统 | |
US20200041284A1 (en) | Map road marking and road quality collecting apparatus and method based on adas system | |
CN107392103A (zh) | 路面车道线的检测方法及装置、电子设备 | |
CN103714363B (zh) | 一种机动车尾气烟度视频识别系统 | |
US20210342606A1 (en) | Parking Detection Method, System, Processing Device and Storage Medium | |
Chen et al. | Next generation map making: Geo-referenced ground-level LIDAR point clouds for automatic retro-reflective road feature extraction | |
CN107463918A (zh) | 基于激光点云与影像数据融合的车道线提取方法 | |
CN111563469A (zh) | 一种不规范停车行为识别方法及装置 | |
CN107045629A (zh) | 一种多车道线检测方法 | |
CN105427614A (zh) | 一种车型分类系统及其方法 | |
CN102867417B (zh) | 一种出租车防伪系统及方法 | |
CN106127107A (zh) | 基于车牌信息和车辆轮廓的多路视频信息融合的车型识别方法 | |
CN107633516A (zh) | 一种识别路面变形类病害的方法和装置 | |
CN107845264A (zh) | 一种基于视频监控的交通量采集系统及方法 | |
CN104766058A (zh) | 一种获取车道线的方法和装置 | |
CN105551264A (zh) | 一种基于车牌特征匹配的车速检测方法 | |
CN107274678B (zh) | 一种基于Kinect的夜间车流量统计及车型识别方法 | |
CN108198417B (zh) | 一种基于无人机的道路巡检系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171017 |
|
RJ01 | Rejection of invention patent application after publication |